Kā izmantot Nano Banana Google AI Studio un Gemini

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  # Ielādē API atslēgu no .env faila  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# Definē attēla ģenerēšanas uzvedni  
prompt = "Futuristiska pilsētas ainava krēslā ar neona gaismām, kas atspoguļojas lietū samitrinātās ielās"  
# Pieprasa attēla ģenerēšanu no Gemini 2.5 Flash Image  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[prompt]  
)  
# Izvelk un saglabā ģenerēto attēlu  
for part in response.candidates[0].content.parts:  
    if part.inline_data is not None:  
        image = Image.open(BytesIO(part.inline_data.data))  
        image.save("generated_image.png")  
        print("Attēls saglabāts kā generated_image.png")  

from PIL import Image  
from io import BytesIO  
# Ielādē esošo attēlu rediģēšanai  
image_to_edit = Image.open("path/to/your/image.png")  
# Definē rediģēšanas uzvedni  
edit_prompt = "Izmantojot doto attēlu, pievieno pieskārienu vintāžas stilam, siltas sepiu toņus un nedaudz izplūdušu fonu"  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, image_to_edit]  
)  
# Apstrādā atbildi, lai saglabātu rediģēto attēlu  
for part in response.candidates[0].content.parts:  
    if part.inline_data is not None:  
        edited_image = Image.open(BytesIO(part.inline_data.data))  
        edited_image.save("edited_image.png")  
        print("Rediģētais attēls saglabāts kā edited_image.png")  

from PIL import Image  
from io import BytesIO  
base_image = Image.open("path/to/your/portrait.png")  
consistency_prompt = "Izveidojiet jaunu attēlu, izmantojot sniegto portretu kā atsauci. Tēlam jābūt smaidīgam un jāskatās tieši kamerā, saglabājot tās pašas sejas iezīmes un stilu."  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[consistency_prompt, base_image]  
)  
for part in response.candidates[0].content.parts:  
    if part.inline_data is not None:  
        consistent_image = Image.open(BytesIO(part.inline_data.data))  
        consistent_image.save("consistent_image.png")  
        print("Konsekvents attēls saglabāts kā consistent_image.png")  

from PIL import Image  
from io import BytesIO  
# Ielādē vairākus attēlus  
background = Image.open("path/to/background.png")  
product = Image.open("path/to/product.png")  
fusion_prompt = "Apvienojiet fonu ar produkta attēlu. Novietojiet produktu dabiski ainā, nodrošinot, ka apgaismojums un ēnas atbilst."  
response = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[fusion_prompt, background, product]  
)  
for part in response.candidates[0].content.parts:  
    if part.inline_data is not None:  
        fusion_image = Image.open(BytesIO(part.inline_data.data))  
        fusion_image.save("fused_image.png")  
        print("Sapludinātais attēls saglabāts kā fused_image.png")  

from google import genai  
from PIL import Image  
from io import BytesIO  
import os  
from dotenv import load_dotenv  
load_dotenv()  
client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))  
# 1. solis: ģenerēt attēlu, pamatojoties uz teksta uzvedni  
generation_prompt = "Klusa saulrieta ainava pār mierīgu ezeru ar maigiem mākoņiem un siltām krāsām"  
response_gen = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[generation_prompt]  
)  
for part in response_gen.candidates[0].content.parts:  
    if part.inline_data is not None:  
        gen_image = Image.open(BytesIO(part.inline_data.data))  
        gen_image.save("sunset_lake.png")  
        print("Ģenerētais attēls saglabāts kā sunset_lake.png")  
# 2. solis: rediģēt esošu attēlu, pievienojot objektu  
base_image = Image.open("sunset_lake.png")  
edit_prompt = "Izmantojot doto attēlu, ievietot nelielu koka laivu, kas klusi peld mierīgajā ezerā ar reālistiskām atspulgām."  
response_edit = client.models.generate_content(  
    model="gemini-2.5-flash-image-preview",  
    contents=[edit_prompt, base_image]  
)  
for part in response_edit.candidates[0].content.parts:  
    if part.inline_data is not None:  
        edited_image = Image.open(BytesIO(part.inline_data.data))  
        edited_image.save("sunset_lake_boat.png")  
        print("Rediģētais attēls saglabāts kā sunset_lake_boat.png")  

flowchart TD  
    A["Sākums: Definēt prasības"]  
    B["Izvēlēties platformu: AI Studio vai Gemini API"]  
    C["Pierakstīties un piekļūt Gemini 2.5 Flash Image"]  
    D["Ievadīt aprakstošu uzvedni / augšupielādēt attēlu"]  
    E["Ģenerēt sākotnējo attēlu"]  
    F["Pārskatīt rezultātu"]  
    G["Atkārtot: uzlabot uzvedni vai rediģēt attēlu"]  
    H["Pabeigt attēlu un saglabāt rezultātu"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H  

flowchart TD  
    A["Sākums: Vides uzstādīšana"]  
    B["Nepieciešamo pakotņu instalēšana"]  
    C["API atslēgas nodrošināšana (.env)"]  
    D["Rakstīt Python skriptu, izmantojot google-genai"]  
    E["Definēt uzvedni un/vai augšupielādēt attēlu"]  
    F["Izsaukt Gemini API ģenerēšanai/rediģēšanai"]  
    G["Apstrādāt atbildi un izvilkt attēlu"]  
    H["Saglabāt un pārskatīt rezultātu"]  
    A --> B  
    B --> C  
    C --> D  
    D --> E  
    E --> F  
    F --> G  
    G --> H